ارزیابی الگوریتم های PPI و SMACC در استخراج مس از تصاویر فراطیفی (مورد مطالعه: منطقه قزلداش خوی)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه خوارزمی تهران.

2 دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه خوارزمی تهران

3 دانشجوی کارشناسی ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه خوارزمی تهران

چکیده

هدف از تحقیق حاضر،ارزیابی الگوریتم های اندیس خلوص پیکسلی(PPI) و حداکثر زاویه مخروط کوژ (SMACC) به منظور استخراج طیف کانی های مس منطقه قزلداش با استفاده از تصویر فراطیفی سنجنده هایپریون سطح 1R می باشد. برای این کار پنجره ای از تصاویر سنجنده هایپریون، منطقه قزل داش شهرستان خوی انتخاب گردید. در ادامه به منظور استخراج طیف های خالص مواد نسبت به اعمال پیش پردازش تصویر از جمله تصحیح رادیومتریک شامل حذف باند های نامناسب،خط های نواری حاوی نویز،حذف اثر طیفی و تصحیح اتمسفری به منظور تبدیل مقادیر تابش به انعکاس اقدام شد. سپس تبدیل MNF به منظور کاهش بعد تصویر و کاهش نویزها صورت گرفت. در مرحله بعد خالص ترین پیکسل ها با استفاده از پیاده سازی الگوریتم PPI و SMACC بروی تصاویر به دست آمده و توسط الگوریتم SAM پیکسل های خالص را طبقه بندی کردیم.در مرحله آخر با استفاده از نقاط کنترل زمینی صحت الگوریتم ها را در استخراج طیف کانی ها سنجیدیم که صحت کلی و ضریب کاپا برای الگوریتم PPI به ترتیب %74,12 و 0,61 و برای الگوریتم SMACC به ترتیب 69,23 و 0,57بود.همچنین فراوانی پیکسل های خالص مربوط به کانی ها در الگوریتم PPI بیشتر ازSMACC بود.

کلیدواژه‌ها


عنوان مقاله [English]

Performance evaluation of PPI and SMACC in Copper extraction in Hyperspectral images

نویسندگان [English]

  • Ali Asghar Torahi 1
  • Parviz Zeaiean FiroozAbadi 2
  • hossein rastad 3
1 Assistant professor of remote sensing and GIS, University of Kharazmi
2 Associated professor of remote sensing and GIS, University of Kharazmi
3 MA student of remote sensing and GIS, University of Kharazmi
چکیده [English]

The aim of this study is to evaluate Pixel Purity Index(PPI) and Sequential Maximum Angle Convex Cone(SMACC) algorithms In order to extract the spectrum of Ghezel Dash copper by using the hyperspectral Image of Hyperion Sensor level 1R. For this purpose, a window of the Hyperion image, Ghezel Dash district of Khoy was selected. Then, in order to extract the pure spectra of the material to the pre-processing of the image, including radiometric correction, Contain the removal of bad bands, The strip lines containing noises, spectral effects removal, and atmospheric correction were used to convert radiation values to reflection. Next, the MNF transform was applied to reduce image dimension and noises. In the next step, the purest pixels were obtained using the PPI and SMACC algorithms. And the results was classified eith SAM classifier. In the final step, by using the ground control points we measured the accuracy and precision of the algorithms in mining minerals spectra. The overall accuracy and Kappa coefficients for the PPI algorithm are respectively 74.12% and 0.61 and for the SMACC algorithm it was 69.23% and 0.57, respectively. Also, the number of minerals pure pixels in the PPI algorithm was greater than that the SMACC.

کلیدواژه‌ها [English]

  • PPI
  • SMACC
  • Hyperspectral Image
  • MNF
  • SAM
آقاسی،امیر(1393)،تحلیل ارتباط واحدهای سنگ شناختی و رخداد پتاس با استفاده از داده های چند طیفی در گنبد نمکی پل،استان هرمزگان،پایان نامه دوره کارشناسی ارشد دانشگاه شیراز،استاد راهنما مجید هاشمی تنگستانی
ارغوانیان،آذر.درویش زاده، روشنک.رسا،ایرج. وحسینی، امین(1390)، شناسایی نواحی حاوی فلز مس با استفاده از تصاویر هایپریون،پانزدهمین همایش انجمن زمین شناسی ایران، تهران، انجمن زمین شناسی ایران، دانشگاه تربیت معلم
ارغوانیان،آذر.درویش زاده،روشنک.رسا،ایرج.حسینی اصل،امین(1390)،اکتشاف نواحی دارای پتانسیل طلا در منطقه غرب مشکین شهربا استفاده از تصاویرHYPERION،انجمن سنجش از دور و GIS ایران،3(1)،91-106
بلواسی،مهدی. صیاد،اصغری سراسکانرود.زینالی،بتول.وصاحبی وایقان،سعیده(1394).اکتشاف نواحی دارای مس در منطقۀ قزل‌داش شهرستان خوی با استفاده از تصاویر هایپریون. پژوهشهای جغرافیای طبیعی, 47(2)،302-287
چراغچی،حمید(1390)،پیاده سازی و ارزیابی الگوریتم های جداسازی طیفی در تصاویر فراطیفی برای شناسایی عناصر تشکیل دهنده خاک،پایان نامه کارشناسی ارشد دانشگاه اصفهان،استاد راهنما سعید همایونی
خزایی،صفت.همایونی،سعید.صفری،عبدالرضا(1389)،تصویربرداری فراطیفی و ملاحضات آفا در برابر تهدیدات آن،مجله علمی-پژوهشی علوم و فناوری های پدافند نوین،1(2)،63-74
شهریاری،هادی.رنجبر،حجت­اله.وهنرمند، مهدی(1391)،کاربرد روشهای SMACC و PPI در استخراج عضوهای انتهایی جهت نقشه برداری دگرسانی های هیدروترمال منطقه مس پورفیری دره زار،سی یکمین همایشعلومزمین،تهران،سازمان زمین شناسی و اکتشافات معدنی کشور
صفری،عبدالرضا،آوریده.حمیدرضا.همایونی،سعید.خزایی،صفا(1393)، برآورد عمق آب های ساحلی به کمک تصاویر سنجش از دور فراطیفی،نشریه علمی-ترویجی مهندسی نقشه برداری و اطلاعات مکانی،6(1)
ضیائیان فیروزآبادی،پرویز.صفر بیرانوند،پریسا.حسینقلی زاده،علی.حسنی تبار،رحیم.و صفربیرانوند،مهدی(1396)، به کارگیری الگوریتم طبقه بندی نظارت شده SAM در تهیه نقشه واحدهای سنگی با استفاده از تصاویر ماهواره ای،سنجش از دور و GIS ایران،10(1)،16-1
عبدالهی،حمید(1392)،ارائه و ارزیابی الگوریتم های نظارت نشده برای جداسازی طیفی تصاویر فراطیفی با استفاده از داده های طیف نگاری،پایان نامه دوره کارشناسی ارشد دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته،استاد راهنما سعید همایونی و علی اسماعیلی
 علیزاده،حبیب.قاسمیان،حسن(1393)، جداسازی طیفی و مکانی تصاویر ابرطیفی با استفاده از Semi-NMF و تبدیل PCA،نشریه پردازش علایم و داده ها،دوره،2(پیاپی22)،57-70
عظیمی هالم،مریم(1393)،تعیین پوشش گیاهی و تفکیک گونه ها در مناطق جنگلی شهری با استفاده از تصاویر فراطیفی،پایان نامه دوره کارشناسی ارشد دانشگاه صنعتی خواجه نصیرالدین طوسی،استاد راهنما محمد جواد ولدان زوج و مهدی مختارزاده.
عرب نرمی،حمید(1392)،بررسی های معدنی و زمین شناسی منطقه همیچ با استفاده از تصاویر سنجنده های ETM+ و ASTER به روش نقشه بردار زاویه طیفی(SAM)،پایان نامه دوره کارشناسی ارشد دانشگاه بیرجند،استاد راهنما غلامرضا نوروزی و جواد صدری
غیوری(1379)،گزارش بررسی کانسار مس قزلداش خوی،شرکت ملی صنایع مس ایران،معاونت برنامه ریزی و توسعه امور اکتشاف
لطفی،مریم.قنبری،حمید.عارفی،حسین،بحرودی،عباس(1396)،نگاشت مناطق آلتراسیون بااستفاده از مدل آمیخته گاوسی و نقشه بردار زاویه طیفی،نشریه علمی-پژوهشی علوم و فنون نقشه برداری،6(4)،229-217
معصوم زاده (مترجم)، حسن(1376)،کاربرد عکس های ماهواره ای جهت اکتشاف معادن زیرزمینی،فصلنامه علمی- پژوهشی اطلاعات جغرافیایی«سپهر»،6(21)،39-44
مرادزاده،محسن(1389)،استفاده از تصاویر فراطیفی هایپریون در شناسایی و مطالعه میزان رس و کربنات کلسیم در خاک های آبرفتی،پایان نامه دوره کارشناسی ارشد دانشگاه شهید چمران اهواز،استاد راهنما کاظم رنگزن و برات مجردی
محرابی،علیرضا(1390)،ارزیابی پتانسیل فناوری سنجش از دور در شناسایی و تخمین سطحی میزان کانی های صنعتی،پایان نامه دوره کارشناسی ارشد دانشگاه خواجه نصیرالدین طوسی،استاد راهنما مهدی مختارزاده و برات مجردی
نیکتا،میثم(1391).آنالیز داده های فراطیفی به منظور پتانسیل یابی نواحی مستعد اکتشاف کانی های فلزی در غرب کرمان.پایان نامه دوره کارشناسی ارشد دانشگاه تربیت مدرس.استاد راهنما روشنک درویش زاده.
نجفیان،طاهر.رنجبر، حجت الله. و فتحیان پور،نادر(1392)،شناسایی دگرسانی های گرمابی مرتبط با کانسارهای مس پورفیری با استفاده از داده های سنجنده فراطیفی هایپریون، نشریه علمی-پژوهشی مهندسی معدن، 8(18)، 50-37.‎
هاشمی تنگستانی،مجید.وغلامی،محبوبه(1392)،مقایسه رده بندی کننده های زیر پیکسلی و تمام پیکسلی برای تعیین فراوانی رس و کربنات سازند مارنی میشان با استفاده از داده های استر،مجله بلورشناسی و کانی شناسی ایران،21(2)،277-288
 
Chang, C.I. and Plaza, A., 2006. A fast iterative algorithm for implementation of pixel purity index. IEEE Geoscience and Remote Sensing Letters, 3(1), pp.63-67.
 
Chaudhry, F., Wu, C.C., Liu, W., Chang, C.I. and Plaza, A., 2006. Pixel purity index-based algorithms for endmember extraction from hyperspectral imagery. Recent advances in hyperspectral signal and image processing, 37(2), pp.29-62.
 
Dennison, P.E., Halligan, K.Q. and Roberts, D.A., 2004. A comparison of error metrics and constraints for multiple endmember spectral mixture analysis and spectral angle mapper. Remote Sensing of Environment, 93(3), pp.359-367.
 
De Carvalho, O.A., de Carvalho, A.P.F., Guimaraes, R.F., Lopes, R.A.S., Guimaraes, P.A., de Souza Martins, E. and Pedreno, J.N., 2003, July. Classification of hyperspectral image using SCM methods for geobotanical analysis in the brazilian savanna region. In Geoscience and Remote Sensing Symposium, 2003. IGARSS 03. Proceedings. 2003 IEEE International (Vol. 6, pp. 3754-3756). IEEE.
 
Ellis, J. R. and Scott, W. P. ( 2004). Evaluation of hyperspectral remote sensing as a means of environmental monitoring in the St. Austell Chinaclay (kaolin) region, Cornwall, UK. Remote Sensing of Environment 93,pp 13–118.
 
Gruninger, J.H., Ratkowski, A.J. and Hoke, M.L., 2004, August. The sequential maximum angle convex cone (SMACC) endmember model. In Algorithms and technologies for multispectral, hyperspectral, and ultraspectral imagery X(Vol. 5425, pp. 1-15). International Society for Optics and Photonics.
 
Iordache, M.D., Bioucas-Dias, J.M. and Plaza, A., 2011. Sparse unmixing of hyperspectral data. IEEE Transactions on Geoscience and Remote Sensing, 49(6), pp.2014-2039.
 
Keshava, N., 2003. A survey of spectral unmixing algorithms. Lincoln laboratory journal, 14(1), pp.55-78.
 
Lagacherie, P., Baret, F., Feret, J., Netto, M. J. and Masson, M. J. (2008).Estimation of soil clay and calcium carbonate using laboratory, field and airborne hyperspectral measurements. Remote Sensing of Environment 112 (2008) 825– 835
 
Nascimento, J.M. and Dias, J.M., 2005. Vertex component analysis: A fast algorithm to unmix hyperspectral data. IEEE transactions on Geoscience and Remote Sensing, 43(4), pp.898-910.
 
Santos-García, A. and Velez-Reyes, M., 2010, June. Identifiability of geometric models for linear unmixing at different spatial resolutions in hyperspectral unmixing. In Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), 2010 2nd Workshop on (pp. 1-4). IEEE.
 
Shao, Y. and Lunetta, R.S., 2012. Comparison of support vector machine, neural network, and CART algorithms for the land-cover classification using limited training data points. ISPRS Journal of Photogrammetry and Remote Sensing, 70, pp.78-87.
 
Yang, C., Everitt, J.H. and Bradford, J.M., 2008. Yield estimation from hyperspectral imagery using spectral angle mapper (SAM). Transactions of the ASABE, 51(2), pp.729-737.
 
Yuhas, R.H., Goetz, A.F. and Boardman, J.W., 1992. Discrimination among semi-arid landscape endmembers using the spectral angle mapper (SAM) algorithm.